Modul kuliah System pendukung keputusan Tujuan Intruksional : Memberikan dasar pengertian tentang pengambilan keputusan dalam organisasi

dan penggunaan sistem berbasis komputer untuk mendukung pengambilan keputusan. Materi: • • • • • • • • Sistem-sistem yang ada dalam Management Support System (MSS). Pengambilan keputusan, penjelasan sistem, pemodelan, dan masalah dukungan (support). Sistem pendukung keputusan. Manajemen data. Pemodelan dan manajemen model. Antarmuka user. Langkah-langkah membangun sistem pendukung keputusan. Sistem pendukung keputusan secara organisasi dan berbagai topik pengembangannya.

Sistem Pendukung Keputusan – Gunandjar,ST

Page 1

BAB I KERANGKA UNTUK PENGEMBANGAN SPK Beberapa penulis mendefinisikan segala system yang dapat memberikan kontribusi terhadap pembuatan keputusan. Faktor yang menyulitkan adalah bahwa orang yang berasal dari latar belakang dan konteks yang berbeda memandang DSS dengan sangat berlainan. Untuk memahami DSS dan potensinya, pendekatan dengan menilik “sifatnya” nya akan lebih mudah. Sifat DSS yang bisa diamati dari hasil kerja Alter, Keen meliputi : 1. Cenderung ditujukan untuk masalah yang belum tertetapkan dan kurang terstruktur yang dihadapi oleh manajer tingkat atas. 2. Berusaha mengkombinasikan penggunaan model atau teknik analitis yang memiliki akses data tradisional dan fungsi pemanggilan data. 3. Difokuskan pada bentuk yang memudahkan untuk digunakan orang-orang nonkomputer dalam mode interaktif 4. Menekankan fleksibilitas dan daya adaptasi guna mengakomodasi perubahan dalam lingkungan dan cara pembuatan keputusan yang dilakukan pemakai.

1.1 Kerangka untuk pemeriksaan keterlibatan manajemen dalam Sistem Pendukung Keputusan Tujuan spesifik SPK : Memberi bantuan kepada para pembuat keputusan manajemen tingkat menengah dan atas. (Mann & Watson), SPK adalah sistem interaktif yang memberi akses yang mudah ke model keputusan dan data kepada para pemakai guna menunjang tugas pembuatan keputusan yang sifatnya semi terstruktur atau tidak terstruktur. Menurut hasil riset, manajer dalam DSS berperan sebagai (4 area) : 1. Pemberi persetujuan dan administrator 2. Pengembang sistem (developer) 3. Operator 4. Pemakai output

Sistem Pendukung Keputusan – Gunandjar,ST

Page 2

Kerangka Kerja Decision Support (DS)
Tipe Keputusan Terstruktur Kontrol Operasional Account receivable order entry Production schedulling, inventory control Selecting a cover for a magazine, buyingsoftw are, approving loans MIS, manageme nt science Tipe Kontrol Kontrol Manajerial Perencanaan strategis Budget analysis, shortterm,forecasting, personnel reports,make or buy credit evaluation,budget preparation,plant layout,project scheduling,reward system design Dukungan yang dibutuhkan MIS,Operational research models,transaction processing

Financial management (investment),werehouse location,distribution system Building newplant, mergers and acquisitions, newproduct planning, compensationplanning, quality assurance planning

Semi terstruktur

DSS

Tak terstruktur

Negotiating, recruiting an executive, buying hardware, lobbying

R & D planning, new technology development, socialresponsibility planning

DSS, ES, networks neural

Dukungan yang diperlukan

Management sciense, DSS, S, EIS

EIS, ES, neural networks

Proses pengambilan keputusan terdiri dari 3 fase proses: intelligence, design, dan choice. • • • Intelligence – pencarian kondisi-kondisi yang dapat menghasilkan keputusan. Design – menemukan, mengembangkan, dan menganalisis materi-materi yang mungkin untuk dikerjakan. Choice – pemilihan dari materi-materi yang tersedia, mana yang akan dikerjakan. Proses-proses yang terjadi pada kerangka kerja DS dibedakan atas: • • Terstruktur, mengacu pada permasalahan rutin dan berulang untuk solusi standar yang ada. Tak terstruktur, adalah “fuzzy”, permasalahan kompleks dimana tak ada solusi serta merta. Masalah yang tak terstruktur adalah tak adanya 3 fase proses yang terstruktur. • Semi terstruktur, terdapat beberapa keputusan terstruktur, tetapi tak semuanya dari fase- fase yang ada. Sistem Pendukung Keputusan – Gunandjar,ST Page 3

Pendekatan Management Science mengadopsi pandangan seorang manajer yang dapat mengikuti proses yang sistematik untuk penyelesaian masalah. Sehingga adalah mungkin untuk menggunakan pendekatan sains pada Managerial Decision Making. Langkahnya adalah: 1. Definisi masalah (keputusan situasi yang berhubungan dengan berbagai masalah atau dengan suatu kesempatan) 2. Klasifikasi masalah ke dalam kategori standar. 3. Membuat model matematika yang menjelaskan masalah secara nyata. 4. Menemukan solusi potensial di model masalah tadi dan mengevaluasinya. 5. Memilih dan merekomendasikan satu solusi dari masalah. Proses ini dipusatkan pada masalah modeling/pemodelan. 1.2 Decission Support System Sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur. DSS mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah- masalah yang semi terstruktur. Istilah DSS kadang digunakan untuk Menggambarkan sembarang sistem yang terkomputerisasi. DDS digunakan untuk definisi yang lebih sempit, dan digunakan istilah MSS sebagai paying untuk menggambarkan berbagai tipe sistem pendukung. Mengapa menggunakan DSS? • • • • Perusahaan beroperasi pada ekonomi yang tak stabil. Perusahaan dihadapkan pada kompetisi dalam dan luar negeri yang meningkat. Perusahaan menghadapi peningkatan kesulitan dalam hal melacak jumlah operasi-operasi bisnis. Sistem komputer perusahaan tak mendukung peningkatan tujuan perusahaan dalam hal efisiensi, profitabilitas, dan mencari jalan masuk di pasar yang benar-benar menguntungkan. 6 alasan mengapa perusahaan-perusahaan utama memulai DSS dalam skala besar: Sistem Pendukung Keputusan – Gunandjar,ST Page 4

Pencapaian pengurangan biaya.Peningkatan kinerja groupgroup tadi yang dibantu oleh teknologi Informasi ini muncul dalam berbagai istilah. End-user bukanlah programer. Manajemen diamanahi DSS. Kebutuhan akan informasi baru. memadatkan. dan melacak data dan informasi yang kritis. Mempertemukan berbagai gaya keputusan individu para Eksekutif. seperti: groupware. Memfilter. Identifikasi masalah (atau juga kesempatan). sehingga mereka membutuhkan tool dan prosedur yang mudah untuk digunakan. 1. tak terlalu baik. DSS dipandang sebagai pemenang secara organisasi.ST Page 5 . EIS dikembangkan utamanya untuk: • • • • • • • • Menyediakan kebutuhan informasi yang diperlukan oleh pihak Eksekutif. Sistem Pendukung Keputusan – Gunandjar. collaborative systems. Alasan lain dalam pengembangan DSS adalah perubahan perilaku komputasi enduser. dan group DSS (ini yang kita gunakan). bilangan. Penyediaan informasi yang tepat waktu. atau grafik. electronic meeting systems. Menyediakan pelacakan dan kontrol yang tepat waktu dan efektif. Berbagai keputusan utama dalam organisasi dibuat oleh group secara kolektif. Menyediakan antarmuka yang benar-benar user-friendly untuk Eksekutif. sehingga pertemuan ini memakan waktu lama dan keputusan yang dibuat hasilnya sedang-sedang saja. EIS bisa juga digunakan pada berbagai jenis perusahaan dan melayani sejumlah manajer sebagai suatu Enterprise Wide Systems (EWS). Mengumpulkan keseluruhan group secara bersama dalam satu tempat dan waktu adalah sulit dan mahal. 1.Satu contoh dari implementasi Group DSS ini adalah Total Quality Management (TQM).4 Executive Information (atau Support) Systems (EIS atau ESS). Dan ini dipenuhi oleh DSS.3 Group Support Systems (GSS). Menyediakan akses cepat pada informasi detil yang tersirat di teks.• • • • • • Kebutuhan akan informasi yang akurat.

mengolah dan menampilkan kesimpulan yang spesifik. ES adalah paket hardware dan software yang digunakan sebagai pengambil keputusan dan/atau pemecahan masalah. yang dapat mencapai level yang setara atau kadang malah melebihi seorang pakar/ahli. • • Merupakan cabang dari aplikasi Artificial Intelligence (AI). informasi. pada satu area masalah yang spesifik dan biasanya lebih sempit. mungkin tak bisa didapatkan data. atau pun tak eksak). • Pada teknologi sebelumnya. maka akan solusinya akan lebih spesifik. Pengetahuan ini lalu disimpan disitu dan user dapat meminta saran spesifik yang dibutuhkannya. • Pada dunia nyata yang begitu kompleks. sedangkan keputusan harus diambil walaupun kondisinya seperti ini (informasi yang parsial. Dan seperti seorang pakar. saran tersebut bisa dimanfaatkan oleh orang yang bukan pakar berikut penjelasannya yang berisi logika penalaran di balik saran itu. informasi. tak ada elemen untuk proses pembelajaran oleh Page 6 Sistem Pendukung Keputusan – Gunandjar. • Teknologi sebelum Artificial Neural Network (ANN) berbasis pada penggunaan data.ST . 1. yaitu menggunakan pengalaman yang bersesuaian dan belajar dari pengalaman itu tentang apa yang harus dikerjakan dengan situasi yang serupa untuk pengalaman yang tak sesuai. ataupun pengetahuan secara eksplisit. tak lengkap. Kepakaran ditransfer dari seorang pakar ke komputer. ataupun pengetahuan eksplisit yang tersimpan di komputer dan memanipulasi mereka menurut kebutuhan.1. Pengambil keputusan menggunakan pengalaman yang ada untuk mengatasi hal ini. Komputer dapat mencari.6 Neural Computing (Artificial Neural Network). Ide dasarnya sederhana. ES dibuat untuk menyerupai seorang pakar/ahli. • • Perubahan lingkungan yang terjadi sedemikian cepatnya.5 Expert Systems (ES) • • Semakin tak terstruktur suatu situasi.

Mereka saling berhubungan. MIS. record keeping. Artificial Neural Network (ANN). Expert Systems (ES).sales forecasting. Transaction Processing Systems (TPS).komputer. jenis sistem informasi tingkat tinggi yang dapat ditambahkan pada sistem TPS tradisional.ST Page 7 . Management Information Systems (MIS). internal control. Executive Information Systems (EIS). OAS. disebut dengan Neural Computing atau ANN. Keterkaitan dan koordinasi diantara tool-tool ini masih berevolusi. dan ES dan teknologi-teknologi yang lain: Berbagai teknologi ini dapat dipandang sebagai klas yang unik dari teknologi informasi. Atribut dari sistem pendukung terkomputerisasi utama: Dimension Transactions Processing Systems (TPS) Management Information Systems (MIS) Production control. 6. Expert System (ES) Execytive Information System (EIS) Support top management decision. Decision Support Systems (DSS) dan Group DSS (GDSS). Hubungan antara TPS. • Teknologi yang ditujukan untuk mengisi kekurangan ini.production and sales Sistem Pendukung Keputusan – Gunandjar.inventory. 3. 7. DSS.7 Evolusi dari alat Pengambilan keputusan terkomputasi Dibagi dalam 7 kategori: 1. Evolusi dan pembuatan tooltool yang lebih baru membantu kinerja pengembangan teknologi informasi untuk kebaikan manajemen dalam organisasi. 2. Evolusi dari MSS dan hubungannya dengan sistem yang lain umumnya dipandang sebagai: rekomendasi dan saran yang disediakan oleh MSS ke manajer dapat dipertimbangkan sebagai informasi yang diperlukan untuk keputusan akhir yang akan dibuat. Pendekatan ini berarti bahwa MSS dipandang canggih. Contohnya adalah pengenalan pola. monitoring Deccision Support Systems (DSS) Long-renge strategic planning. complex Diagnostics strategic planning. Office Automation Systems (OAS).envi to Applications Payroll. EIS. 1. 4. MIS. 5. dan mereka saling mendukung satu sama lain dalam berbagai manajemen pengambilan keputusan.

rules) ronmental scanning Tracking. batch Decision capabilities No decisions Structured routing problems using conventiona management Semistructured problem.cont rol.8 Berbagai Perbedaan antara DSS dengan MIS Fitur dari DSS: • DSS dapat digunakan untuk mengawali kerja ad hoc.tra nsfer of expertise Procedural and factual knowledge. used of rules (heuristic) combined with DSS manipulation Numerical Numerical symbolic Numeric (mainly). low management Analyst managers and Managers and specialist Senior executives (only) expeditiency efficiency Effectiveness Effectiveness and expedieny Timeliness 1. operational Scheduled and demand report structured flow.intera ctive factual knowledge access. user friendliness Database by management systems.kno wledge base (facts.ST .som e symbolic Status access exception reporting. blend of judgment and modeling Numerical The decision system when make complex unstructured.key indicators Type of information Summary reports. drill down External (online)and corporate.information Focus Data transactions information integrated problem areas Decisions flexibility. masalah-masalah yang Page 8 Sistem Pendukung Keputusan – Gunandjar. exception reporting Middle management Information support specific decissions to Advice and explanations Highest organitation al level served Impetus Submanagerial. enterprise wide access (to all data base) Only Database Unique update to each Interactive acess programmers application. integrated management science models. stategies Interfencing.

dimana tujuan. misalnya dengan penyediaan laporan dan akses ke data. aturan. • Hasil utamanya adalah dalam peningkatan jangkauan dan kemampuan dari proses • pengambilan keputusan para manajer untuk membantu mereka meningkatkan efektivitasnya.aturan keputusan. dan alur informasi dapat didefinisikan Hasil utamanya adalah meningkatkan efisiensi dengan mengurangi biaya.ST Page 9 . • • Hasil utamanya adalah dalam menghasilkan solusi yang lebih baik untuk masalah-masalah tertentu. • • • • DSS dapat menyediakan representasi valid dari sistem di dunia nyata. Relevansinya untuk manajer adalah dalam pembuatan tool pendukung. Karakteristik MIS: • • • Kajiannya ada pada tugas-tugasnya yang terstruktur.tak diharapkan. dan lain-lain. DSS dapat menyediakan pendukungan keputusan dalam kerangka waktu yang pendek/terbatas. Karakteristik DSS: • Kajiannya ada pada keputusan-keputusan dimana ada struktur yang cukup untuk komputer dan alat bantu analitis yang memiliki nilai tersendiri. dan batasan-batasan dapat lebih dulu ditentukan. data. tetapi tetap pertimbangan manajer memiliki esensi utama. di bawah pengawasan mereka. waktu tunggu. Relevansinya untuk manajer pengambil keputusan biasanya tak langsung didapatkan. dimana prosedur operasi standar. Karakteristik Operation Research/Management Science: • Kajiannya ada pada masalah-masalah yang terstruktur (dibandingkan dengan tugas-tugas). DSS dapat berevolusi sebagai mana halnya pengambil keputusan mempelajari tentang masalah-masalah yang dihadapinya. yang tak dimaksudkan untuk mengotomatiskan Sistem Pendukung Keputusan – Gunandjar. Relevansinya untuk manajer ada pada rekomendasi detil dan metodologi baru untuk menangani masalah-masalah yang kompleks. dan dengan mengganti karyawan klerikal. DSS dapat dikembangkan oleh para profesional yang tak melibatkan pemrosesan data.

Demikian juga natural language processors (NLP) akan berguna dalam menyimpulkan informasi. disebabkan karena perbedaan kapabilitas diantara kedua tool. Analisis bisa bersifat kualitatif atau pun kuantitatif (atau kombinasinya). kapan) dan dalam penginterpretasian informasi. tren) dan penginterpretasian sangat dibantu oleh adanya komputerisasi.sendiri. Analisis kuantitatif didukung oleh DSS dan Sistem Pendukung Keputusan – Gunandjar. Seluruh area dari proses scanning. Menurut kenyataannya. Mengerti masalah (atau kesempatan yang ada). maka kombinasiantara ES dan ANN tentu akan membantu. Relasi antara EDP. 2. atau solusi tertentu. mereka dapat mengkomplemen satu sama lain. membuatnya menjadi powerful. terintegrasi. ES dapat membantu dalam mendesain alur informasi pada eksekutif (misalnya. Cuma sekarang kita bisa mencoba menggabungkan potensi dari keduanya.proses pengambilan keputusan. Sekali suatu masalah (kesempatan) teridentifikasi.forecasting (misalnya. yang jelas dapat meningkatkan pengambilan keputusan manajerial. Step A.ST Page 10 . Step B. sistem yang berbasis komputer. Analisis. pertanyaan selanjutnya adalah apa yang harus dikerjakan dengan hal ini? Di sinilah langkah analisis berperanan. bagaimana untuk memonitor. MIS. and DSS: Stategic Planning Managerial Control Operational Control Transaction Processing DSS MIS EDP 1. Disebabkan beberapa informasi bersifat fuzzy. Disiplin antara ES dan DSS berkembang pararel. tapi saling tak tergantung dan berjalan sendiri.9 Hubungan DSS dengan Expert System DSS dan ES berbeda dan tak berhubungan dengan sistem yang terkomputerisasi. monitoring. tujuan sistem. Proses pengambilan keputusan: 1.

Analisis kualitatif didukung oleh ES.oleh tool-tool analisis kuantitatif. keputusan dibuat dengan memperhatikan masalahnya (atau kesempatan) berdasarkan hasil dari analisis. People Scanning Problem identification (definition) (Intelegence) Newspapers TV Sensors ES. Memilih. Step D. Pada langkah ini. 3. EIS. Implementasi. Sistem Pendukung Keputusan – Gunandjar. Step C. Dukungan terkomputerisasi untuk para manajer sangat penting dalam berbagai kasus untuk kelanjutan organisasinya.ST Page 11 . Langkah ini didukung oleh DSS (jika pengambil keputusan adalah seseorang) atau oleh GDSS (jika keputusan dibuat oleh sekelompok orang). keputusan untuk mengimplementasikan solusi tertentu dilakukan.NLP. 4. Pada tahap ini.ANN. MSS adalah keluarga teknologi yang dapat digunakan secara mandiri atau dalam bentuk kombinasinya. dan DSS dan/atau ES bisa mendukung tahap ini.MIS Step A EIS (ESS) ES Qualitative analysis (Design) Step B Quantitative analysis (Design) DSS MS/Or ANN Step C Decicion (choice) GDSS (groups) DSS (individual) Implement ? Step D Decision (choice) DSS and ES Kesimpulan • • • Perkembangan komputer demikian cepatnya dan juga penggunaannya oleh para manajer.

• • Manejemen pengambilan keputusan makin lama makin kompleks. detil. dan mudah untuk • • • • • • • ES adalah sistem pemberi nasehat yang mencoba menirukan para pakar. Semua teknologi MSS adalah interaktif.sendiri. Fitur utama dari ES adalah aplikasinya untuk pengetahuan dan penggunaan reasoning (alas an suatu keputusan). Keuntungan utama dari MSS adalah ia dapat diukur. Teknologi-teknologi MSS dapat diintegrasikan diantara mereka sendiri dan dengan CBIS yang lain. yang sedia setiap saat. EIS adalah teknologi yang mendukung eksekutif dengan menyediakan bagi mereka informasi divisualisasikan. Sistem Pendukung Keputusan – Gunandjar. tergantung pada derajat struktur dan aktivitas manajerial. DSS adalah teknologi analitis yang menggunakan model untuk solusi yang semi terstruktur dan masalah-masalah tak terstruktur. Teknologi-teknologi MSS dapat diterapkan pada satu lokasi atau mereka dapat didistribusikan di keseluruhan perusahaan. Group DSS adalah teknologi yang mendukung proses pengambilan keputusan dalam suatu group. Kerangka dukungan keputusan membagi kondisi keputusan dalam 9 kategori. Komputasi saraf (neural computing) adalah teknologi yang mencoba menampilkan proses pembelajaran dan pengenalan pola.ST Page 12 . • • • • Keputusan yang terstruktur didukung oleh metode analisis kuantitatif seperti: management science dan capital budgeting. Setiap kategori mendapat dukungan komputer sendiri. Maka metode intuisi dan trial and error tak tepat lagi.

Contohnya adalah bahan baku yang masuk ke pabrik kimia. bisa memutuskan untuk memodifikasi input. yang diakhiri dengan suatu rekomendasi. atau malah keduanya. DSS.SISTEM. Sistem. Dari informasi ini. pasien yang masuk ke rumah sakit.PEMODELAN DAN DUKUNGAN Pengambilan keputusan adalah proses pemilihan. dan Output. GDSS.kesulitan tapi mencakup juga penyelidikan mengenai kesempatan-kesempatan yang ada.Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface. dan ES melibatkan satu istilah: sistem.1. and (4) implementation. diantara berbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran. dan prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan.BAB 2 PENGAMBILAN KEPUTUSAN. 4 fase dalam pengambilan keputusan. Output adalah adalah produk jadi atau hasil dari suatu proses di sistem. (2) design. Sistem adalah kumpulan dari obyek-obyek seperti orang. pengambil keputusan.yaitu: (1) intelligence. (3) choice. Proses.ST Page 13 . Sistem terdiri dari: Input. EIS. Input adalah semua elemen yang masuk ke sistem. input data ke komputer.Sedangkan pemecahan masalah adalah serupa dengan pengambilan keputusan (fase 1 sampai 3) ditambah dengan implementasi dari rekomendasi (fase 4). konsep.Pemecahan/penyelesaian masalah tak hanya mengacu ke solusi dari area masalah/kesulitan . Fase 1 sampai 3 merupakan dasar pengambilan keputusan. Proses adalah proses transformasi elemen-elemen dari input menjadi output. Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output atau kinerja sistem. resources. atau proses. Sistem Pendukung Keputusan – Gunandjar. 2. yang bertindak sebagai pengontrol.

Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. Contoh: bagan organisasi. • Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. Iconic (Scale). Efisiensi adalah ukuran penggunaan input (atau resources) untuk mencapai tujuan. Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini. Sistem dan lingkungannya: Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya. • Sistem terbuka (Open System) sangat tergantung pada lingkungannya. tak tergantung sama sekali. Doing the “right” thing.2 Model Karekteristik utama dari DSS adalah adanya kemampuan pemodelan. Contoh: sosial. speedometer. seberapa banyak uang yang digunakan untuk mendapatkan level tertentu penjualan. Bisa secara fisik. aspek fisik. hukum. 2 ukuran utama dari sistem adalah: efektivitas dan efisiensi. misal: sistem adalah sebuah departemen di Gedung C. biasanya dalam skala tertentu dari bentuk aslinya. dan ekonomi. output. material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut. politik. Analog. sebagai contoh.ST Page 14 . maka elemen tersebut harus dimasukkansebagai bagian dari environment. Sistem ada di dalam boundary. Replika fisik dari sistem. Sistem ini menerima input (informasi.Environment/lingkungan dari sistem terdiri dari berbagai elemen yang terletak di luar input. Sistem ini secara penuh mandiri. Terdapat 3 jenis model: 1. bagan pasar modal. atau non fisik. mereka dapat mempengaruhi kinerja dan tujuan sistem. energi. dimana environment ada di luarnya. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. misal: suatu sistem di batasi oleh waktu tertentu. Model adalah representasi sederhana atau penggambaran dari kenyataan. Efektivitas adalah derajat seberapa banyak tujuan sistem tercapai.Doing the “thing” right. Sistem Pendukung Keputusan – Gunandjar. atau pun proses. Namun. GUI pada OOPL adalah contoh dari model ini. Ini mengacu pada hasil atau output dari suatu sistem. peta. 2. 2.

Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. 5. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya.3. Matematis (Kuantitatif).3 Proses Pemodelan Berikut ini adalah proses yang terjadi pada pemodelan: Trial and error dengan sistem nyata.kemungkinan solusi yang banyak sekali.ST . 7. Lingkungan itu sendiri selalu berubah. Keuntungan model Di bawah ini adalah alasan utama mengapa MSS menggunakan model: 1. 2. 3. 4. Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog. 2. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya. Dengan adanya komunikasi dan teknologi canggih sekarang ini. 3. Model memungkinkan untuk menyingkat waktu. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer. Lingkungan sekarang yang makin berada dalam ketidakpastian. Terlalu banyak alternatif untuk dicoba. bahkan bisa tak terhitung. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan. manajer akan seringkali memiliki alternatif-alternatif pilihan. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan. Akibat samping dari error yang terjadi besar pengaruhnya. 6. karena kalau pun bisa akan memakan waktu lama dan sulit. • Simulasi. Page 15 Sistem Pendukung Keputusan – Gunandjar. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi. 2. Tapi ini tak berjalan bila: 1.

Intellegence Phase Proses yang terjadi pada fase ini adalah: • • • • Menemukan masalah. dites. dan divalidasi. Kepemilikan masalah. Seleksi prinsip-prinsip pemilihan (kriteria evaluasi).5 Komponen-komponen Model Kuantitaif Struktur umum dari model Uncontrollable Variables Decission Variables Relationship Result Variables Sistem Pendukung Keputusan – Gunandjar.4 Design Phase. Proses pengambilan keputusan. pengembangan.Termasuk juga disini pemahaman masalah dan pengecekan solusi yang layak. Pengembangan (penyediaan) alternatif. dan analisis hal-hal yang mungkin untuk dilakukan. 2. Tahap ini meliputi pembuatan. Tugastugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan.ST Page 16 .• • • Optimisasi Heuristic. Prediksi hasil. Klasifikasi masalah. Penguraian masalah. Juga model dari masalahnya dirancang. Struktur model. 2. Pengukuran hasil. Skenario. yaitu: • • • • • • • Komponen-komponen model.

period of share. liquidity level of invesmentn Advertising budget. Semua sistem dipisahkan dari lingkungannya dengan suatu batas. Pemecahan masalah juga mengacu pada evaluasi peluang. yang bisa dalam bentuk iconic. DSS utamanya berhubungan dengan sistem yang terbuka. Market share product mix Product and amounts inventory levels communication Accounting Transportation Service customer satisfaction competitors action Total cost quality Machine capacity level satisfaction employee technology materials prices program Use of computers. regulations Demand of service Kesimpulan • • • • • • • Manajemen pengambilan keputusan serupa dengan keseluruhan proses manajemen. Sistem dapat terbuka. Sistem terdiri dari input. berinteraksi dengan lingkungannya. atau tertutup. amounts. and return.ST . earning per prime rate competition timing Customers income. Marketing Manufacturing Result variables variables and parameters Total profit rate of Inflatation rate . analog Page 17 Sistem Pendukung Keputusan – Gunandjar. Data processing cost Computer audit schedule Shipments schedule Staffing levels error rate Total transport cost Customer satisfaction technology. output. proses dan pengambil keputusan.Contoh – contoh dari komponen model Uncontrollable Area Financial Invesment Decision variables Investment alternative investment. Model banyak digunakan dalam MSS. tax rates Delivery distance .

Sistem Pendukung Keputusan – Gunandjar. Gaya keputusan manusia harus dikenali dalam mendesain MSS. Komputer dapat mendukung semua fase pengambilan keputusan dengan mengotomatisasi tugas/proses yang diperlukan. Pemodelan dapat menggunakan teknik simulasi. dan diuraikan (jika diperlukan).ST Page 18 . optimisasi. dan metodologi keputusan dibuat. choice. Pengambilan keputusan melibatkan 4 fase utama: intelligence. hasil diprediksi.atau matematis. diklasifikasikan. Dalam evaluasi alternatif. berbagai alternatif dibandingkan dan pencarian solusi yang terbaik (atau yang cukup baik) dimulai. alternatif dihasilkan. suatu model sistem dibuat. atau heuristic. masalah (peluang) diidentifikasikan. Pada fase design. dan implementation. • • • • • • • • • • • • Model menjadikan percobaan dari suatu sistem lebih cepat dan murah. Pada fase intellegence. “What-if” dan goal seeking adalah 2 pendekatan analisis sensitivitas. Critical success factor adalah metodologi untuk mendiagnosis masalah dan mengidentifikasi kebutuhan informasinya. design. Pada fase choice. harus dipertimbangkan multiple goal dan masalahmasalah analisis sensitivitas. kriteria pemilihan ditetapkan. Berbagai teknik pencarian disediakan. Keputusan dibuat oleh individu atau group dapat didukung oleh MSS.

jamannya Christianto Wibisono sebelum pindah ke Australia). are submitted. survey (menggunakan kuisoner). Whenever derived data carelessly. atau suara. Contoh: perkiraan penjualan atau opini mengenai kompetitor. diagram. Personal. meminta pendapat pakar (misal dengan mewawancarainya). dan proses. carefully monitor both the data values and the manner in which the data were generated. eksternal. 2. Contoh: metode time studies (selama observasi). Para pakar dapat memberikan kontribusinya pada MSS untuk berbagai aplikasi tertentu. Biro Pusat Statistik.BAB III MANAGEMENT DATA 3. Possible Solutions (in Some Cases) Raw data were entered Develop a systematic way to inaccurately. atlas. 3. berita/informasi dari BEJ/BES. karena banyak tak relevan dengan MSS yang diinginkan. Internal. Modify the system for The method for generating generating the data.Data derived by ensure the accuracy of raw an individual were generated data. Contoh: data mengenai karyawan dan penggajiannya. Data disimpan dalam satu atau beberapa tempat dalam suatu organisasi. produk. film. services. musik. dan televisi. 3. 1. dan personal. Data ini mengenai orang. Contoh: PDBI (dulu. the data is not rapid enough Typical Cause Data are not timely Sistem Pendukung Keputusan – Gunandjar.1 Sumber Data 3 sumber data adalah dari: internal. dan lain-lain.ST Page 19 . Problem Data are not correct. • Instrumen dan sensor. Eksternal. Bentuknya bisa berupa CD-ROM.2 Pengumpulan dan Permasalahan Data Metode pengumpulan data mentah bisa menggunakan cara: • Manual. Pilihlah data eksternal yang relevan saja. Permasalahan data mengikuti asas GIGO (Garbage In Garbage Out). Mulai dari database komersial sampai data yang dikumpulkan dari sensor dan satelit. Juga gambar. Digunakan untuk membantu metode manual atau malah kadang dominan peranannya bila cara-cara manual sudah tak mampu lagi. observasi (misal dengan menggunakan kamera video).

ST . Problem-oriented Language. store data for future use. pengubahan dan penampilan data secara cepat. Nonprocedural Fourth-generation Language (4GLs). PHP.to meet the need for the data. 4GLs memiliki keuntungan: • Result-oriented. Software Database. Futher more the data may not found when they needed. A detailed model contains so many coefficients that it is models. Make an effort to generate the data or to estimate them if they concern the future. Meningkatkan produktivitas paling sedikit 5 kali lipat sampai Page 20 Sistem Pendukung Keputusan – Gunandjar. 3. of the analysis. Bahasa utama dalam kebanyakan generator DSS dan berbagai tool MSS lainnya. Data are not measured or indexed properly. dan Pascal. This may be impractical because of the cost of storing and maintaining data. FORTRAN. • • • Procedural Languages. Contoh: GPSS (General Purpose Simulation Software) digunakan untuk mengkonstruksi model simulasi dan dapat digunakan untuk mengkonstruksi DSS yang besar. Needed data simply do not exist Required data never existed.3 Database dan management database DBMS didesain untuk sebagai suplemen yang mengijinkan kita dalam mengintegrasikan data dalam skala yang lebih besar. COBOL. dan keamanan data yang lebih baik dari sekedar database biasa. Delphi. Raw data are gathered Develop a system for according to a logic or rescaling or recombining the periodicity that is not consistent with the purposes improperly indexed data. Contoh: BASIC. Diikuti dengan Object-oriented Language: C++. dll. Bahasa ini mengijinkan programmer untuk menjelaskan karakteristik masalah yang akan diselesaikan bukannya prosedur-prosedur yang harus diikuti.No one ever stored data needed now Whether or not it is useful now. struktur file yang kompleks. C#. difficult to develop and maintain. Java. pengambilan.

Screen definition dan management facility.4. d. Modeling language. Sebagai tool ideal untuk pusat informasi (Information Centers). 3. • Fourth-generation languages (4GLs) digunakan untuk membangun sistem secara cepat dan murah. sebagai contoh.ST Page 21 . m. h. e. FGS yang lengkap mempunyai berbagai fitur yang membuat user mudah berkomunikasi dengan komputer. Fourth-generation DBMS. Sebagian besar end-user dapat membangun sistem dengan 4GLs tanpa bantuan perantara. Client/server management. Nonprocedural report writer (atau report generator). dan dibangunnya itu adalah dari sekedar konsep kasar. Sistem Pendukung Keputusan – Gunandjar. dan buat pembangunan DSS membuatnya menjadi lebih mudah . Extended data access. Micro-to-mainframe environment. l. Fourth-generation Systems. Query language. j. f. sebab 4GLs dirancang baik untuk spesialis maupun end-user. Fitur-fitur ini adalah: a. n. Applications management. Relational language. satu DBMS dapat dibuat dengan 4GL. Graphic enhancement. Sebagai suatu MSS generator untuk membangun aplikasi tertentu. b. i.sekitar 300 kali lipat untuk berbagai aktivitas. Sebagai tool yang digunakan saat suatu MSS atau MSS generator (engine) dibangun. Environment untuk information consumers. Environment untuk applications development. • Sebagai basis dalam pembangunan tool atau komponen yang lain dari suatu MSS. k. c. Contoh dari sistem seperti ini adalah suatu komposisi populer spesial untuk komputer mainframe dan disebut dengan Fourth-Generation System (FGS) yang lengkap. g. Sehingga merupakan tool pengembangan yang efektif. Nonprocedural language untuk data maintenance. DBMS yang digunakan sebagai tool pengembangan dari suatu DSS. biasanya ditulis dalam 4GL dan diintegrasikan dengan berbagai elemen yang lain.

ST Page 22 . DB2. membuat link lojikal diantara item data yang berelasi. • SQL. Ini dapat menghemat penyimpanan data dengan men-share-nya pada beberapa item. Hierarchical. atau bagan organisasi. Arsitektur database hierarchical.3. Ingres. network. Beberapa file data “direlasikan” dengan field data dari dua (atau lebih) file data. Juga digunakan untuk mengakses dan memanipulasi fungsi dari software DBMS terkemuka saat ini (contohnya: Oracle. sehingga enduser dapat menggunakannya dalam query dan berbagai operasi database. 3. untuk berbagai produk operasi DBMS dari program. yang melibatkan gambar-gambar dan relasi yang juga kompleks. data mudah dikembangkan atau diubah. ataupun relasional tak dapat mengatasi database yang kompleks tersebut Sistem Pendukung Keputusan – Gunandjar. Struktur ini mengijinkan link yang kompleks. Menyusun item data dalam gaya top-down. termasuk koneksi rumit diantara item-item yang berelasi. dan Supra). Keuntungan dari bentuk ini adalah user mudah untuk mempelajari. • Relational Database. misalnya yang melibatkan CIM (Computer Integrated Manufacturing) membutuhkan akses ke data yang kompleks. DBMS didesain dengan menggunakan struktur ini untuk mengeksekusi fungsi-fungsinya. Struktur ini disebut dengan model CODASYL. • Network. Bahasa data yang menjadi standar untuk mengakses dan memanipulasi data dalam RDBMS.6 Object-oriented Database.5 Struktur database dan sql Relasi diantara berbagai record individu yang tersimpan dalam database dapat dinyatakan dengan berbagai struktur lojikal. SQL adalah bahasa nonprocedural dan user-friendly. Aplikasi MSS yang kompleks. Digunakan untuk akses online ke database. Sehingga mirip seperti pohon. dan mudah diakses dalam berbagai format tanpa perlu • mengantisipasinya pada waktu awal mendesain dan mengembangkannya. dan untuk fungsi-fungsi administrasi database.

dan menampilkan data. C#. Contoh dari object-oriented data manager: GemStone. padahal terkadang diperlukan representasi grafis untuk mendapatkan hasil terbaik. dan Versant.secara efisien. banyak program spreadsheet menawarkan berbagai kemampuan DBMS.7 Aplikasi Database dan Spreadsheet. dan lain-lain dengan mekanisme penyimpanan dan pengaksesan data. statistik dan keuangan. Serupa dengan fenomena ini. Sistem OODB mengkombinasikan karakteristik bahasa pemrograman berbasis objek seperti Smalltalk. C++. Alternatif lain. sehingga membuat user dapat menampilkan kerja spreadsheet dengan suatu DBMS. Semua arsitektur ini berhubungan dengan database alphanumeric (huruf. Manajemen data berorientasi objek didasarkan pada prinsip-prinsip pemrograman berbasis objek. dan karakter-karakter lain). dapat pula dibangun dengan sebagian DBMS dan sebagian lagi dari spreadsheet. Pendekatan ketiga adalah dengan menggunakan DSS generator yang benar-benar terintegrasi Akhirnya dapat disimpulkan bahwa seseorang dapat membangun DSS dari konsep Sistem Pendukung Keputusan – Gunandjar.ST Page 23 . Utamanya disebabkan karena berbagai DMBS itu menawarkan kemampuan yang serupa dengan yang ada di spreadsheet terintegrasi. seperti: Lotus 1-2-3 dan Excel. Hal utama yang ada di DMBS adalah manajemen data. solusinya tetap saja tiak efektif. PHP. Aplikasi DSS membutuhkan data dan pemodelan dalam prosesnya. yaitu untuk membuat.Sayangnya ada kebingungan terhadap sifat utama DMBS dan program spreadsheet ini. 3. Walaupun SQL digunakan untuk membuat dan mengakses database relasional. Express. DBMS mengijinkan user untuk meng-query data seperti halnya menghasilkan report.Program spreadsheet berhubungan dengan aspek pemodelan DSS. serta object encapsulation mengijinkan desainer database untuk menyimpan baik data konvensional maupun kode-kode prosedural dalam objek yang sama. menampilkan kalkulasi berulang pada variabel yang berhubungan. Delphi. VBase. serta melibatkan faktor-faktor matematis. Ini membantu membuat dan mengatur model. Ontos. angka. sehingga DSS dapat dibangun dengan mengembangkan lebih lanjut DBMS atau dengan mengintegrasikan spreadsheet. OODB mengijinkan kita untuk menganalisis data pada level konseptual yang menekankan hubungan alamiah diantara objek. G-Base. Tool-tool berorientasi objek berfokus secara langsung pada database. mengubah. Java. Abstraction digunakan untuk membuat hirarki inheritance. menghapus.

Pertama. • Sering dan cepatnya perubahan dan bertambahnya kompleksitas dapat diakomodasikan dengan cepat. tanpa mengganggu ketersediaan sistem dan jaringan. hardware. 3. Sistem Pendukung Keputusan – Gunandjar. Enterprise computing adalah suatu arsitektur dari sistem komputer terintegrasi yang melayani bermacammacam kebutuhan suatu enterprise. Sistem komputer yang melibatkan keseluruhan organisasi disebut dengan enterprise computing atau enterprise-wide systems. Ini adalah kerangka kerja berbasis teknologi yang terdiri dari berbagai aplikasi. Keamanan jaringan dan data meningkat. databases. Paduan kerjasama yang lebih baik dalam penggabungan solusi client/server baru pada mainframe yang sudah ada. adanya kebutuhan untuk mengefektifkan cost dari penyatuan semua sumber informasi kedalam aset bisnis yang termanajemen. • • Otomatisasi proses manajemen menjadikan biaya administrasi dan operasional system berkurang seiring dengan pertumbuhan enterprise.kasar dan tak perlu menggunakan 4GLs yang ada. • Optimasi yang lebih tinggi pada resourses jaringan dan sistem memastikan bahwa pelayanan kualitas yang tinggi dijaga pada biaya terendah yang mungkin. jaringan. 3. dan biasanya berasal dari berbagai vendor. Sistem enterprise jelas makin kompleks. 3. Manajer harus mengantisipasi tantangan ini.9 Keuntungan dari enterprise computing adalah: • • Menyediakan pelayanan yang responsif dan handal secara kontinyu. dan tool-tool manajemen. Proses penyatuan ini dapat mencegah berbagai aplikasi kritis dan mengembangkan misi yang sudah ada. Istilah enterprise mengacu pada pengertian keseluruhan organisasi. Kedua. adanya kebutuhan terhadap solusi hardware dan software yang khusus dan terlokalisasi.8 Enterprise DS dan Information warehouse Terdapat dua kontradiksi dalam bisnis modern.ST Page 24 . mereka harus bisa mengantisipasi pertumbuhan dan makin kompleksnya keragaman peralatan dan sistem.10 Konsep Information Warehouse (IW).

IBM membuat konsep IW yang didesain untuk meng”unlock” data secara ekonomis pada suatu suatu enterprise. dihubungkan ke jaringan. dan efisien. User dihubungkan oleh interface ke Client. tool. Di bawah ini disajikan bagan dari IW-nya IBM: Internal and External Data Statistics + forecasting Information Werehouse spreadsheets Graphical procedures Business Comunications Reporting Graphics Queries Analysis + modeling Project Management 3. interface. retrieval. Dicirikan oleh: • • GUI.11 Arsitektur client .ST Page 25 Client-nya adalah PC atau workstation. Umumnya menggunakan yang digunakan untuk mengakses resources jaringan. dan berbagai fasilitas yang mengatur dan menyampaikan informasi yang handal. masing-masing dengan interface user sendiri-sendiri. efektif. akurat. dan mainframe.Kunci sukses dari enterprises-wide MSS adalah infrastruktur yang mendukung akses. Client ini saling berbagi resources Sistem Pendukung Keputusan – Gunandjar.server Arsitektur yang mencoba untuk mengorganisasi PC. tepat waktu. • Pada sistem client/server terdapat berbagai client. IW adalah sekumpulan DBMS. sampai saat dibutuhkan. LAN. dan komunikasi (transfer) hasil-hasil serangkaian aktivitas yang dilakukan. . konstruksi presentasi. manipulasi. analisis. metodologi penampilan grafis. dan mudah dimengerti dalam pengambilan keputusan bisnis. yang selama ini belum bisa dilakukan oleh user MSS. ke dalam sistem yang fleksibel.

dan video text. ini hanyalah sekedar reaksi Server tak dapat berkomunikasi dengan setiap client untuk image-processing server. tempat penyimpanan yang besar. sebuah mainframe.yang disediakan server. Server menangani database dan pemrosesan transaksi yang lebih intensif. file server. Server tidak memulai suatu pekerjaan.computing server. dan fungsi-fungsi perantara (untuk aliran informasi internal dan eksternal). command. Aplikasi client/server dibagi menjadi 4 kategori: 1. • Server adalah mesin yang melayani client dengan berbagai pelayanan seperti database. Kebanyakan server adalah: database server. dan communication server. berbagai tugas yang tak dapat diproses di client (atau lebih cepat diproses di server). dalam bahasa Client dapat mengirimkan query atau command ke server untuk minikomputer. • • • • Server menampilkan hasil-hasilnya pada layarnya client. penyimpanan dan retrieval informasi. • Pada client/server computing. manajemen jaringan dan dokumen. Client dapat menampilkan berbagai query. print server. • • • Server bisa berupa workstation yang besar. seperti e-mail. BBS. transaksi client (dieksekusi pada desktop computer) bekerjasama dengan service (dieksekusi pada komputer yang lebih besar). dan/atau peralatan LAN. Aplikasi pesan. atau pelayanan komunikasi ke jaringan. dan bagian back-end diselesaikan oleh server.ST Page 26 . menentukan apa yang harus dilakukan untuk setiap permintaan client tertentu. • Server melayani file sharing. yang sudah umum digunakan semisal SQL sebagai presentasi ke server. • Taks/tugas dibagi atas 2 bagian: bagian front-end diselesaikan oleh client. dari permintaan client. Sistem Pendukung Keputusan – Gunandjar. seperti misalnya manajemen e-mail. Client menampilkan manipulasi data lokal dan user interface-nya.

Sharing/pemakaian bersama pada file/peralatan lain. lokasi gegrafis. Waktu proses pemanggilan databasenya membutuhkan resources dan waktu.2. tergantung pada volume data dan jumlah dimensinya. segmen pasar. maka hal itu dapat dilakukan lebih cepat. jalur distribusi. sales volume (volume penjualan). Pemrosesan aplikasi intensif dimana job dibagi dalam berbagai task. dan dapat dilakukan oleh user itu sendiri. Ringkasan data dapat diorganisasi dalam berbagai cara untuk kepentingan analisis dan presentasi. negara. Jika jawaban dari pertanyaan ini dapat disediakan tanpa memperhatikan struktur databasenya. 3. atau industri. keuntungan penyimpanan. seorang manajer ingin mengetahui penjualan dari produk M pada area geografis tertentu. juga berbagai presentasi data yang sama dapat diatur dengan mudah dan cepat. ukuran. aktual vs perkiraan. Sistem Pendukung Keputusan – Gunandjar. 3 faktor dalam multidimensionality: dimensi. Contohnya. • • Contoh ukuran: uang. salespeople (orang-orang bagian penjualan). dan waktu. Produk multidimensional membutuhkan biaya 50 persen lebih banyak dibandingkan dengan produk relasional standar. atau tahunan. atau remote akses komputer. selama bulan tertentu juga. caturwulan. yang dihitung berdasarkan unit. Pendekatan ini disebut dengan multidimensionality. Contoh waktu: harian. Keuntungan dari pendekatan ini adalah data diorganisasi menurut cara pandang manajer bukan menurut cara pandang analis sistem. masing-masingnya dikerjakan pada komputer yang berbeda. • • • • Pendekatan multidimensionality ini biasanya lebih banyak digunakan dalam EIS. 4. Tapi perlu diingat. pendekatan ini harus dibayar dengan hal-hal berikut: Database multidimensional memakan tempat 40 persen lebih banyak dibandingkan dengan database relasional yang sudah diringkaskan. Ini bisa terjadi jika data diorganisasikan dalam database multidimensional atau jika produk software tersebut didesain berdasar konsep multidimensionality.ST Page 27 . Contoh dimensi: produk. yang dilakukan oleh orang di bagian penjualan tertentu. unit bisnis. mingguan. bulanan. Penyebarluasan suatu database diantara berbagai jaringan komputer.

Sehingga beberapa perusahaan memilih untuk memisahkan databasenya ke dalam tipe OLTP dan DSS. Solusi berikutnya adalah penyediaan sistem yang mendukung Online Transaction Procession (OLTP). Lotus 1-2-3 (dari Lotus Development Corp. sekarang merupakan divisi dari Page 28 Sistem Pendukung Keputusan – Gunandjar. Pengembangan selanjutnya adalah penambahan pada arsitektur client/server. Yang lain mencoba untuk menggunakan tool-tool yang inovatif untuk pengaksesan data.ST .. 3. Selama beberapa waktu.). teknologi informasi berkonsentrasi pada pembangunan system bermisi kritis – sistem yang mendukung pemrosesan transaksi perusahaan (Corporate Transaction Processing). LightShip (dari Pilot Software). Pengaksesan Data: Data Dipping. Akses ke data sering dibutuhkan baik oleh aplikasi OLTP maupun oleh DSS dan juga oleh MSS lainnya.). diperkuat dengan DataLens. Sayangnya menyediakan layanan untk kedua tipe ini menimbulkan berbagai masalah. GUI. Sistem ini membutuhkan toleransi kesalahan tertentu dan juga menyediakan respon sistem yang cepat. Contoh produknya: • • • • • • • Excel (dari Microsoft). Personal Access (dari Spinnaker Corp.). Sehingga. end-user data access. Quest (dari Gupta Corp. diperkuat dengan Q&E (dari Q&E Corp. Forest and Trees (dari Channel Computing. Beberapa orang menyebut hal ini data dipper. dan pendekatan client/server. sekarang dibeli Microsoft). Tool ini ditujukan untuk mendayagunakan user. yang bertumpu pada lingkungan database relasional terdistribusi. Visual Basic (dari Microsoft). dimana tool ini berbasiskan PC yang murah. sebab sistem ini mengijinkan user untuk mengaduk-aduk apa saja di dalam database untuk mendapatkan apa yang mereka perlukan. jaringan.• Antarmuka dan perawatannya lebih kompleks dibandingkan dengan database relasional. dan data access and reporting tools. Data dipping ini memiliki juga nama lain: Business Intelligence Systems. Contoh aplikasi OLTP ini: INFORMIX-OnLine. aplikasi jenis ini lebih memperhatikan tentang bagaimana mendapatkan (retrieve) dan menampilkan data. daripada bagaimana data diakuisisi atau disimpan.12.

khususnya ES. dan knowledge. dan personal. sehingga user dapat menemukan sendiri suatu informasi dengan cepat Kesimpulan Data terdapat dalam sumber-sumber internal. dapat mempermudah manajemen database. terus menerus mengumpulkan data.ST Page 29 . tanpa akses database tentulah menjadi sulit untuk menggunakan ES dalam aplikasi MIS yang besar seperti otomasi pabrik dan otorisasi kartu kredit.Trinzic Corp. Teknologi AI. Pendekatan ini disebut dengan intelligent database.). informasi. Sebagai contoh. dan menyimpannya ke dalam sistem terkomputerisasi. Salah satu cara untuk melakukan itu adalah dengan memperkuat sistem manajemen database dengan penyediaan kemampuan inferencing. Pengembangan aplikasi MSS membutuhkan akses ke database. dan penghapusan informasi ini makin lama makin kompleks seiring dengan bertambahnya jumlah data. 3. Updating. Sistem Pendukung Keputusan – Gunandjar. reviewing. penggunaan.13 Intelligent Database Organisasi. eksternal. Di bawah ini terdapat diagramnya: End-User Dialog Input Database and DBMS Inference Engine Database Storage Data Model Rule Base Storage ES Report Screens Database Transaction s Logic Database Aplication Program Satu dari tujuan kritis yang utama adalah untuk membuat database intelligent. pribadi dan publik.

tetapi biasanya diprogram dengan menggunakan bahasa pemrograman generasi keempat. hirarkikal. • • • • • • • SQL adalah akses standar untuk database relasional. baik itu berarsitektur relasional. direktori. Terdapat kecenderungan untuk menjadikan MSS terdistribusi melalui jaringan. OODB disediakan khusus untuk menangani DSS yang kompleks seperti yang terdapat pada Computer Integrated Manufacturing. sangat berguna dalam MSS terdistribusi. Data untuk MSS perlu dikumpulkan berulang-ulang di lapangan menggunakan salah satu dari berbagai metode. dan lain-lain. kamus (dictionaries). atau malah tak ada data sama sekali. tipe yang disukai adalah relasional.• • • Data eksternal tersedia dalam ribuan database komersial online. Sebagai contoh adalah Information Warehouse dari IBM. DSS dapat diprogram menggunakan bahasa pemrograman generasi ketiga. MSS terdistribusi mengumpulkan kelebihan-kelebihan dari PC dan kekuatan dari suatu mainframe. Juga Sistem Pendukung Keputusan – Gunandjar. data yang ukuran dan indeksnya tidak bagus (poorly measured and indexed data). data yang waktunya tidak tepat (nontimely data). terlalu banyak data. Data diorganisasi dalam berbagai cara. Untuk kebanyakan MSS. maupuan jaringan. • • Database online yang besar seperti CompuServe dan Dow Jones Information Service bisa menjadi sumber utama data MSS. Data untuk MSS kemungkinan mempunyai berbagai masalah seperti: data yang tidak benar (incorrect data). • Enterprise-wide information system mengacu pada sistem yang menyediakan komunikasi diantara semua karyawan secara organisasional. • • Sistem generasi keempat mengikutsertakan berbagai fitur terintegrasi untuk manajemen data.ST Page 30 . OODB mudah untuk digunakan dan sangat cepat dalam aksesnya. Banyak perusahaan mengembangkan pendekatan berskala global (enterprisewide) dalam hal manajemen data. berbagai MSS ditawarkan pada sistem client/server. report.

dan berbagai penyedia layanan yang lain (server). beberapa PC (client) saling terhubung satu sama lain dan terhubung juga ke database. telekomunikasi.menyediakan akses ke sembarang data atau informasi yang diperlukan oleh semua karyawan pada berbagai lokasi.ST Page 31 . walaupun data tersebut berada pada file dan database yang berbeda. • Data multidimensionality mengijinkan kita untuk melihat (view) data dengan cepat dengan dimensi yang berbeda. Sistem Pendukung Keputusan – Gunandjar. • Dalam client/server.

dampak DSS pada individu). bisa mengintegrasikan pendekatanFDC untuk budgeting & financial analysis. dan lainnya. pendekatan di atas. Berturutturut ES/DSS. 3. Agar lebih mudah membangun DSS bisa digunakan bahasa khusus (misal CASE TOOLs). • • Melibatkan hal-hal: teknis (hardware. 4. Lotus 1-2-3.3 Proses Pengembangan DSS • Pengembangan suatu DSS terkait juga dengan struktur permasalahan: tak terstruktur. C+ Menggunakan 4GL: data-oriented language. DSS.1 Pendahuluan Membangun sebuah DSS. 6.2 Strategi Pengembangan 1. dan +. apalagi yang besar. 5. Menggunakan DSS Generator khusus (domain specific): Commander Mengembangkan DSS dengan metodologi CASE. spreadsheets. jaringan) dan perilaku (interaksi manusiamesin. Tulis DSS dengan bahasa pemrograman umum: Pascal. EFPM untuk kalangan perguruan tinggi. Delphi. Di bawah ini disajikan bagan fase-fase pengembangan suatu DSS: Sistem Pendukung Keputusan – Gunandjar. Menggunakan DSS Generator: Excel. merupakan proses yang rumit. semi terstruktur. financial-oriented language. ataupun terstruktur. 4.ST Page 32 . Quattro Pro.BAB IV MEMBANGUN DSS 4. C#. Memiliki jaminan Untuk DSS yang kompleks. MIS bisa digunakan untuk ini. 2. 4. Java. Express. C. Generator lebih efisien dari 4GL tapi ini tergantung juga pada batasannya. kualitas yang memadai.

Dibedakan antara pendekatan life cycle (daur hidup) dan iterative process (proses berulang). Phase D Design Design User Interface Dialog Design Problem Processing System (model base) Design DSS Database Design Knowledge component Construction: Putting Together the DSS. and Deployment Maintenance and Documentation Phase G Adaptation: Continually Repeat the Process to Improve the System Phase G • Untuk lebih memahami proses desain lebih lanjut. berbagai pendekatan konstruksi DSS.ST Page 33 . dan pengembangan DSS berbasis tim vs pengembangan berbasis user. Orientation. Tests Phase E Phase F Implementation: Testing and Evaluation. Demonstration. sifat berulang dari suatu proses. Sistem Pendukung Keputusan – Gunandjar.4 Proses pengembangan : Life cycle vs prototyping Pembangunan DSS dilakukan dalam berbagai cara.Phase A Planning: Needs Assesment. Problem Diagnosis. Predesign Phase B Research: How to Address User Needs? What Resources Are Available? The DSS Environment Phase C Analysis: What Is the Best Development Approach? What Are the Necessary Resources? Define Normative Models. 4. haruslah dikuasai beberapa konsep dasar seperti: strategi pengembangan. Training. Objectives of DSS.

Pendekatan Prototyping Evolusioner. Page 34 Sistem Pendukung Keputusan – Gunandjar. Mengembangkan sistem yang kecil. 4. 2. IRD secara tradisional merupakan kombinasi analisis lojik dengan pengamatan perilaku pemrosesan informasi.out process (proses sementara). proses berulang (iterative process). Sehingga perluditerapkan adanya bagian pembelajaran dalam desain atau proses kita. Menghaluskan. atau cukup disebut prototyping saja. Keuntungan Proses Berulang dalam membangun DSS: • • • Waktu pengembangannya singkat. konstruksi. Meningkatkan pemahaman user terhadap sistem. dalam membantu pengambil keputusan. Proses berulang terdiri dari 4 tugas. Memilih submasalah penting yang akan dibangun pertama kali. dan memodifikasi sistem secara berulang. Di satu sisi memahami kebutuhan user adalah hal yang sulit. tapi berguna. adaptive design (desain adaptif) dan incremental design (desain berkelanjutan). Nama lainnya adalah middle.ST . 3. • Proses desain berulang ini mengkombinasikan 4 fase utama SDLC tradisional (analisis. • Pendekatan prototyping disebut juga proses evolusioner (evolutionary process). IRD (Information Requirements Definition) adalah pendekatan formal yang digunakan oleh sistem analis. dan implementasi) ke dalam 1 langkah yang diulang-ulang. Dari situ. seperti di bawah ini: 1. DSS didesain untuk membantu pengambilan keputusan para manajer pada masalah yang jelekstrukturnya. • • • • • Asumsi dasarnya adalah kebutuhan informasi dari suatu sistem dapat ditentukan sebelumnya. Waktu terjadinya umpan balik dari user singkat. Mengevaluasi sistem terus menerus. IRD bisa juga melibatkan CSF (Critical Success Factors).Pendekatan SDLC (System Development Life Cycle). mengembangkan. informasi yang dibutuhkan. diharapkan user belajar mengenai masalah atau lingkungannya sehingga dapat mengidentifikasi kebutuhan informasi baru dan yang tak diantisipasi sebelumnya. desain.

penghubung (intermediaries). sehingga ukuran tim menjadi besar dan komposisinya sering berubah seiring berjalannya waktu. Dalam wilayah keuangan atau fungsi lainnya. tenaga ahli. • Pendekatan lainnya adalah membangun DSS berbasiskan user. dan didesain utama untuk mendukung organisasi. Intinya dengan berbasis tim. Sistem ini didesain oleh tim yang terdiri dari user. seiring pesatnya perkembangan di bidang PC (Personal Computer).5 Pengembangan DSS berbasis Tim dan berbagai user • Pengembangan DSS pada tahun 1970 dan 1980-an melibatkan skala yang besar. 2. maka pembangunan DSS menjadi kompleks. Executive Staff Group. Dalam departemen IS (Information Services).6 Pengembangan DSS berbasis Tim Menentukan DSS Group. Dalam kelompok pusat informasi (Information Center Group). lama. 4. Dimulai mulai tahun 1980-an. • • Enterprise-wide computing serta kemudahan akses data dan pemodelan berarsitektur client/server juga mendukung pengembangan DSS berbasis user. 4. Tentu saja kedua pendekatan ini bisa dikombinasikan. berkurangnya biaya hardware maupun software. • Biayanya rendah. umumnya pada lokasi: 1.ST Page 35 . DSS builder. Sistem Pendukung Keputusan – Gunandjar. dan prosesnya memakan biaya. Dalam kelompok manajemen pengetahuan (Management Science Group). sistemnya kompleks. dan berbagai tool. 5. Dalam departemen rekayasa industri. 3. untuk mendapat kinerja yang diinginkan. 4. Berbagai individu dalam setiap kategori tadi. 6. Secara organisasi penempatan DSS Group bisa dimana-mana. jaringan komunikasi komputer.dan kemampuannya.

tampilan “split screen”. Operasi. Fase pengambilan keputusan: intelligence. mendasarkan diri pada 5 karakteristik keputusan: 1.4. Mekanisme kontrol. • Kerangka kerja analisis dan desain sistem DSS ini bertujuan untuk mengidentifikasi karakteristik dan kemampuan yang diperlukan oleh suatu DSS.ST Page 36 yang dapat teramati yang berhubungan dengan pengambilan . Pendekatan ROMC membantu menyelesaikan kesulitan ini. Di bawah ini disajikan bagan kriteria DSS Generator secara top-down: Level 1 Overall objective General Capabilities Level 2 Database Model base Dialog Subsystem Level 3 Data Model Spesific Capabilities Dialog Level 4 Features 4. and Control Mechanisms). Grafis lebih disukai. dan pemilihan dapat diterapkan pada analisis DSS. 3.Memory Aids.Operations. Bantuan untuk mengingat sesuatu (misal: laporan. • Kesulitan utama dalam membangun DSS adalah tak terspesifikasinya kebutuhan informasi dengan baik. 3. 2. Terbagi atas 4 entitas berorientasi user: 1.7 Perencanaan DSS Generator. Bantuan untuk mengingat sesuatu. file Sistem Pendukung Keputusan – Gunandjar. yang merupakan proses yang bebas. Representasi. Pendekatan ROMC.8 Pendekatan ROMC (Representations. Pengambil keputusan mengalami kesulitan dalam menjelaskan situasi. 2. desain. yang merupakan titik awal bagi desain sistem. 4.

Scratch paper. Update lists to show assignments. Gather data on customers. Maka DSS harus membantu pengambil keputusan menggunakan dan mengembangkan gaya.Differentdecision-making processes 2. Automated memory aids: List of customers. akan tetapi mereka harus memahami kemampuan DSS dan mampu menganalisis input dan menerjemahkan output dari DSS. ketrampilan. and choice. design. A scatterplot of assets versus liabilities. 4. Pengamatan ini tidak menyarankan bahwa seorang user bekerja tanpa penghubung. 4. dan knowledge mereka sendiri. customer data. 2. indeks. Create alternative customer assignments for salespeople. Conceptualizations: 1. Table showing salespeople and their customer assignments. Pengambil keputusan mengharapkan untuk dapat menggunakannya langsung. Relationship between A map outline. A variety of styles. Computerize address Query the database. Rolodex. Aid to direct personal control conventions knowledge. skills. secara pribadi mengatur dukungan sistem. ketrampilan.ST . Staff reminder. 3. design. Di bawah ini disajikan kebutuhan yang diperlukan untuk suatu keputusan dibandingkan dengan kemampuan DSS: Decision Makers Use DSS Provides 1. Workspace for developing assignment tables. Operations for intelligence. Views of on customers. A variety of memory aids: 3. File drawers with old tables.data.Library for saving tables. Pengambil keputusan berbeda dalam gaya. and and decision types. for user-computer communication: Page 37 Sistem Pendukung Keputusan – Gunandjar. 5. all invoking choice: activities for intelligence. Summary sheets Extracted data on customers. mental rules. and 4. Represenations: A city map. assets and liabilities. Temporary storage. dan knowledge. DSS Messages. applied via direct. Compare alternatives. dan analogi) sangat berguna dalam pengambilan keputusan dan harus disediakan oleh DSS.

Revise orders or procedures Training and explanation in how to give orders to the DSS. Standard operating procedures. formed from DSS Hal-hal yang menyebabkan kebutuhan akan fleksibelitas dalam DSS: • • • • • • Tak seorang pun. atau tak dapat mengungkapkan.9 Jenis Fleksibelitas dalam DSS: 1. DSS harus berevolusi atau berkembang untuk mencapai desain sebab tak seorangpun yang bisa memperkirakan atau operasional. Ability to override DSS defaults or procedures. dan persepsi dari sifat dasar masalah. Faktorfaktor ini memang sering berubah-ubah. Solusi yang diturunkan melalui DSS bersifat subjektif. 2. Terdapat berbagai variasi diantara orang-orang dalam hal bagaimana mereka menggunakan DSS. Konsep user mengenai tugas. ia harus sering diubah untuk mengantisipasi perubahan dalam hal: masalah. User tak tahu. yang mampu untuk menentukan kebutuhan fungsional seluruhnya.ST Page 38 . Orders to staff. berubah pada saat system dipakai. Level pertama fleksibelitas ini memberikan kemampuan fleksibelitas dalam menampilkan aktivitas intelligence. Contoh: kemampuan “what-if”. design. Perubahan yang terjadi haruslah mudah untuk dilakukan. Penggunaan DSS secara aktual hampir pasti berbeda dari yang diinginkan semula. 4.personal control: Accepted conventions for interpersonal communication. Sistem jarang mencapai hasil final. Procedures operations. apa yang mereka mau dan butuhkan. baik user maupun pembangun DSS. user dan lingkungan. Sistem Pendukung Keputusan – Gunandjar. mengantisipasi apa yang dibutuhkan secara lengkap. Fleksibelitas menyelesaikan. dan choice dan dalam menjelajah berbagai alternatif memandang atau menyelesaikan suatu masalah. Ringkasnya ada 2 alasan utama adanya fleksibelitas dalam DSS: 1.

Fleksibelitas mengadaptasi. 4. 3. Fleksibelitas memodifikasi. atau pada perluasan masalah. 2. Syarat-syarat spesifikasi kebutuhan sistem tak diperlukan. Resikonya adalah : 1. Berbagai keuntungan yang bisa didapat user bila dia sendiri yang membangun DSS: 1. Ini diatur oleh pembangun DSS. (b) resiko yang berhubungan dengan proses pengembangan menghasilkan (contoh: hasil yang ketidakmampuan salah). Masalah implementasi DSS dapat dikurangi. dan sistem time-sharing yang digunakan oleh ilmuwan dan peneliti. Sistem Pendukung Keputusan – Gunandjar. Biayanya sangat rendah.11 Pengembangan DSS Berbasis User: Keuntungan dan Resikonya. Level ini membutuhkan perubahan dalam tool dan generator untuk efisiensi yang lebih baik. 3.10 Komputasi End-User. Definisi ini melibatkan juga manajer dan profesional yang menggunakan komputer pribadi.ST Page 39 . Waktu penyelesaiannya singkat. Level ketiga dalam hal mengadaptasi perubahan yang harus dilakukan pada berbagai DSS tertentu. Fleksibelitas ini diatur oleh user dan/atau pembangun DSS (DSS builder). Level keempat adalah kemampuan dari DSS dan DSS generator dalam berevolusi untuk merespon perubahan sifat dasar teknologi dimana DSS berbasis disitu. pengolah kata yang digunakan oleh sekretaris. Definisinya adalah: pengembangan dan penggunaan sistem informasi berbasis komputer oleh orang-orang diluar wilayah sistem informasi formal. resiko potensial kualitas dapat diklasifikasikan dalam 3 kategori :(a) tool dan fasilitas dibawah standar. 4. Pengembangan DSS berbasis user berelasi secara langsung kepada komputasi enduser. kualitas bias tak terjaga 2. 4. Level kedua ini dalam hal modifikasi konfigurasi DSS tertentu sehingga dapat menangani berbagai masalah yang berbeda. dan (c) mengembangkan resiko system data manajemen (missal:kehilangan data). Fleksibelitas berevolusi. 4.2. e-mail yang digunakan oleh CEO.

Di bawah ini adalah program-program yang merupakan “bahan baku” bagi paket terintegrasi: • Spreadsheet.ST .12 Proses pembuatan Bias dilihat pada bagan di bawah ini Phase 1 Project Selection Phase 2 Software and Hardware Selection Build the database and its management Phase 3 Build the model base and its management Phase 4 Build the knowledge component Phase 6 Build the dialog subsystem Phase 5 Phase 7 Packaging Phase 8 Testing and Evaluation.13 DSS Generator DSS Generator mengkombinasikan kemampuan berbagai aplikasi umum dalam 1 program. Improvement Phase 9 User Training Phas10 Documentation and Maintenance Phase 11 Adaptation 4.4. Page 40 Sistem Pendukung Keputusan – Gunandjar.

ST . Bahasa pemodelan. Microsoft Excel 4. Contoh dari paket terintegrasi ini adalah: Lotus 1-2-3. Desk management. Jaringan. Kemudian dengan adanya program-program berbasis Windows. (2) hardware seperti apakah yang dipakai untuk menjalankannya.• • • • • • • Manajemen Data. Komunikasi. Bahasa pemrograman (generasi ketiga). software DSS lebih banyak ditemui pada jenis komputer mikro. Grafis bisnis. Tool pemrograman berorientasi objek. Manajemen projek. membuat DSS menjadi lebih disukai karena kemudahan penggunaannya. (3) sistem operasi seperti apa yang akan digunakan. Pengolah kata. Bahasa analisis data statistikal umum. Kalender (manajemen waktu). Bahasa penghasil grafis. (4) jaringan seperti apakah yang akan dipakai untuk menjalankannya.14 Pemilihan DSS Generator dan tool software lainnya Berbagai pertanyaan yang harus dijawab oleh suatu organisasi yang akan menggunakan DSS Generator: (1) generator seperti apa yang akan digunakan. Tool software dasar yang patut dipertimbangkan adalah: • • • • • • • • • • Fasilitas database relasional dengan fasilitas pembuatan laporan yang baik dan fasilitas pemilihan data setiap saat. Page 41 Sistem Pendukung Keputusan – Gunandjar. Bahasa khusus yang lain (misal: untuk membangun simulasi). CASE tools. Dengan kemampuan PC yang luar biasa sekarang ini. Tool pembangun ES. Pemilihan Software.

Mereka hanyalah merupakan salah satu sumber informasi saja. 4. misalnya PC Week dan Infosystems. seperti: • Penanganan permintaan/query (mendapatkan informasi dari database). yang lain memiliki konflik langsung dengan yang lain lagi. kemampuan yang dibutuhkan dari tool berubah dari satu aplikasi ke aplikasi Sistem Pendukung Keputusan – Gunandjar.ST . 3. Data dipertimbangkan masak. Beberapa orang terlibat dalam tim evaluasi. dan manajerial harus Evaluasi komersial yang tersedia. Suatu bahasa digunakan dalam membangun berbagai DSS. Tool-tool pengembangan meningkatkan produktivitas builder dan membantu mereka menghasilkan DSS yang sesuai dengan kebutuhan user pada biaya yang moderat. informasi DSS yang dibutuhkan dan outputnya Terdapat ratusan paket software di pasaran. 5. Beberapa kriteria tak bisa diukur. misalnya oleh Data Decisions.15 Merangkai semuanya dalam satu sistem. semuanya bersifat subjektif dan seringkali dangkal ulasannya. 4. dan Software Digest. 9. Hal mendasar pada pengembangan tool dan generator ini adalah konsep: (1) penggunaan tool otomatis skala tinggi di keseluruhan proses pengembangan. lain. Pro. 7. Pemilihan keputusan melibatkan banyak kriteria yang diterapkan pada bermacam-macam paket yang dibandingkan. 2. Semua masalah teknis.. dan jurnal panduan user. Page 42 Sistem ini melibatkan komponen-komponen utama Pada saat pemilihan. Sistem pengembangan DSS bisa dibayangkan seperti bengkel dengan berbagai tool dan komponen. yang setara dengan sumber-sumber informasi lain. Dari sini tidak diketahui secara lengkap. fungsional. Inc. Paket software selalu berganti dengan cepat. end-user.Pemilihan tool dan/atau generator adalah merupakan proses yang rumit dengan alasan: 1. Harga seringkali berubah. 8.masak. dan (2) penggunaan bagian-bagian pra-fabrikasi dalam proses manufaktur keseluruhan sistem. 6.

).ST Usage Record EMS User Interace element Control Mechanism Knowledge Base Page 43 . Menu dinamis yang menyediakan hirarki yang berbeda untuk memenuni kebutuhan user yang berbeda. 4. (2)mengurangi dampak penggunaan sistem (lebih user-friendly). 2. Tujuannya adalah membangun DSS berperilaku khusus yang dapat beradaptasi terhadap evolusi kebutuhan user secara otomatis. Kemampuan ini dicapai dengan menambahkan komponen ekstra: mekanisme intelijen yang bisa berevolusi sendiri. Generator grafis. dan lalu beradaptasi secara otomatis pada evolusi usernya. penginterpretasian. Antarmuka user dinamis yang menyediakan representasi output yang berbeda untuk user yang berbeda pula. Sistem manajemen knowledge. User User Interface Management Management Struktur dari DSS jenis ini dapat dilihat pada gambar di bawah ini: Data Model Sistem Pendukung Keputusan – Gunandjar. Struktur. dll. Tujuan DSS yang dapat berevolusi sendiri adalah: (1) meningkatkan fleksibelitas DSS. Diperlukan kemampuan: 1.• • • • • • • Fasilitas analisis dan desain sistem (pengeditan. Sistem manajemen dialog (antarmuka user). Manajer kode sumber (menyimpan dan mengakses model built-in dan model yang dikembangkan user/user developed). Generator laporan (memformat laporan output). dan (4) mewujudkan system sharing. Sistem manajemen berbasis model intelijen yang dapat memilih model yang sesuai untuk memenuhi preferensi/acuan yang berbeda. Sistem manajemen berbasis model. (3)meningkatkan kontrol pada sumber-sumber informasi organisasi. 3.16 DSS yang dapat berevolusi sendiri DSS yang memberi perhatian pada bagaimana ia digunakan.

Ini adalah kontrol intelijen yang mengandung satu knowledge base. 4. Catatan data yang telah digunakan (usage record) yang menyimpan data yang telah digunakan selama evolusi sistem dan juga cara memanajemennya (EMS=Evolution Management System).1. environment DSS 4.17 Arah Pengembangan Riset DSS Terdapat berbagai variable dalam riset DS. 2. manajemen model. Manajemen data.yaitu characteristics Sistem Pendukung Keputusan – Gunandjar.ST Task User behavior Quality of decision made Page 44 . Elemen antarmuka user yang diperlukan untuk membuat antarmuka yang sangat user-friendly. 3. dan antarmuka user. Mekanisme kontrol pusat yang mengkoordinasi semua operasi DSS. yang merupakan komponen dasar dari sembarang DSS.

Tool yang lebih aktif dapat meningkatkan pemikiran yang lebih dalam mengenai situasi permasalahan. Sekarang ini DSS berlaku pasif menanggapi pertanyaan “what-if” yang diajukan.Di bawah ini adalah beberapa poin dari riset yang telah dilakukan: 1. DSS di masa depan harus mendukung alasan-alasan pemilihan klas keputusan tertentu. 5. Saat ini DSS tak kreatif. 2. arsitektur client/server. Peningkatan DSS harus lebih memberi perhatian pada masalahPage 45 Sistem Pendukung Keputusan – Gunandjar. memanajemen kerancuan dan kekompleksan. dapat digunakan untuk meningkatkan DSS. sistem berbasis pengetahuan. dan tool manajemen data. 6. 4. Perkembangan terbaru pada teknologi komputer. ES bisa memberikan kontribusi utama dalam hal ini.ST . telekomunikasi. ekonomi informasi. tapi di masa depan DSS harus menyediakan cara baru untuk mendefinisikan model. Selanjutnya kombinasi DSS/ES dapat bertindak lebih proaktif. memainkan peran yang lebih besar dengan meningkatkan kualitas pemikiran dalam pengambilan keputusan. dan menyelesaikan klas baru keputusan dalam konteks pengambilan keputusan yang baru. Manajemen sains. teori perilaku. sumber model DSS. 3. Kontribusi serupa bisa dating dari psikologi kognitif. dan ilmu politik. mesin pembelajaran (machine learning). ilmu komputer. menjelaskan struktur masalah. DSS berpusat pada keputusan (decision-centered) tapi bukan pada decision-paced (langkah pengambilan keputusan). GUI.

dan estetik. Riset harus dilakukan pada interaksi diantara individu dan grup. 17. 15. dan teknologi komputer yang berbeda lainnya (misal: komunikasi) akan menjadi wilayah riset utama. Teori-teori harus dikembangkan pada wilayah pengambilan keputusan organisasional dan pengambilan keputusan pada grup. Sekali lagi ES dapat memberikan kontribusi yang bernilai disini. DSS di masa depan harus mampu untuk membuat berbagai aksi alternatif dari dirinya sendiri. 8. Perspektif baru ini akan didukung oleh penambahan kemampuan kreatifitas dan inovasi. Eksplorasi diperlukan untuk menemukan arsitektur yang sesuai yang menjadikan pengambil keputusan dapat menggunakan ES untuk Sistem Pendukung Keputusan – Gunandjar. atau paling tidak menghasilkan peneluran ide.ST Page 46 . etik. pembelajaran. 13. baik mengenai teorinya dan dalam pengembangan software. menghasilkan DSS yang proaktif dalam membuat perubahan lebih dari sekedar mengantisipasi perubahan. 16. Teori-teori harus dikembangkan pada topik-topik seperti pengukuran kualitas keputusan. CBIS lainnya. Konsep manajemen model harus dikembangkan. Riset DSS harus melebarkan perspektifnya. Komputasi syaraf dapat ditambahkan berkenaan dengan masalah kerancuan. Aplikasi DSS dapat ditingkatkan dengan melibatkan nilai. dan keefektifan. karena hal tersebut berdampak pada efisiensi dan keefektifan organisasi secara keseluruhan. yang sulit untuk diukur atau bahkan ditentukan. 12. Antarmuka manusia-mesin dan dampaknya pada kreativitas dan pembelajaran harus menjadi perhatian utama dalam riset DSS.masalah yang tak terstruktur. Komponen manusia dalam DSS harus dicermati untuk melihat dampak DSS pada saat pembelajaran. 14. Integrasi DSS dengan ES. 11. 7. 10. 9. Masalah sosial dan etik juga harus lebih diperhatikan. Masalahnya adalah bagaimana melakukannya. Ini akan membutuhkan variabel yang lebar jangkauannya. berhubungan dengan keefektifan organisasi dan perencanaan strategis. Teori DSS harus ditingkatkan.

2. kemungkinan sebagai bagian dari pusat Sistem Pendukung Keputusan – Gunandjar. Langkah utamanya adalah: perencanaan. 5. perantara. implementasi. Kesimpulan • • • • • • DSS dikembangkan dengan proses pengembangan yang unik berdasarkan prototyping. Untuk DSS di institusi yang mendukung pengambilan keputusan berurutan dan saling berhubungan. dan pemegang tool. 4. builder. 3. analisis. perawatan. desain. riset. group DSS akan lebih lazim di masa depan. Page 47 Untuk dukungan keputusan saling berhubungan yang terkonsentrasi.18 DSS masa Depan 1. teknik AI. kecenderungan ke depan adalah menjadi DSS terdistribusi. 4. Riset lebih lanjut harus diarahkan pada wilayah ini. 18.ST .meningkatkan kemampuan pengambilan keputusannya. Terdapat berbagai strategi pengembangan. Produk-produk DSS akan mulai menggabungkan tool dan teknikDSS berbasis PC akan terus tumbuh utamanya untuk dukungan berbagai dukungan end-user lainnya. Semua kecenderungan di atas akan menuju pada satu titik pada pengembangan berkelanjutan pada kemampuan sistem yang lebih user-friendly. DSS generator (engine) adalah tool pengembangan terintegrasi yang digunakan dalam membangun kebanyakan DSS. DSS groups akan berkurang peranannya seperti projek khusus bagian dari tim pendukung ditujukan untuk “tim komando” dan lebih banyak informasi. dan adaptasi. Pendekatan berulang (prototyping) paling umum digunakan dalam DSS. tenaga pendukung. 6. Partisipan dalam proses konstruksi adalah: user. Mulai dari penggunaan CASE tool sampai dengan pemrograman dengan DSS generator (engine). personal. Dampak organisasional dari MSS bisa signifikan. konstruksi.

Kebanyakan DSS dibangun dengan generator pengembangan DSS atau dengan tool-tool pengembangan 4GL tak terintegrasi. biaya rendah. Windows membuatnya mungkin untuk membangun DSS dengan cepat dan murah Suatu intelligent DSS harus bisa berperan aktif yang berhubungan dengan task/tugas penyelesaian masalah yang rancu dan kompleks. Brainstorming (“pembadaian” pendapat) secara elektronik adalah salah satu cara mendukung peneluran ide. familiar dengan kebutuhannya. Software elektronik menggunakan asosiasi. Pemilihan yang sesuai untuk membangun DSS tertentu haruslah didesain dengan cermat. Kreativitas untuk peneluran ide (idea generation) adalah aktivitas penting dalam pengambilan keputusan. Kecerdasan ditambahkan ke DSS dengan menempelkan knowledge base dalam software DSS. dan berbagai Page 48 Sistem Pendukung Keputusan – Gunandjar.ST . Kecerdasan diperlukan secara khusus dalam manajemen masalah. Keuntungan utama orang-orang yang membangun DSS-nya sendiri adalah: waktu penyelesaiannya singkat. Pembangunan DSS dengan tim mengikuti proses terstruktur. dan implementasinya lebih mudah. Peneluran ide dapat ditingkatkan dengan software elektronik. pemilihan software yang sesuai (generator jika dibutuhkan). dan hardware. Banyak DSS dibangun dalam lingkungan Windows. identifikasi pola.karena kebutuhan informasi tak dapat diketahui dengan tepat pada awal proses. karena itu kontrol yang cukup dapat memperbaiki situasi tersebut. • • Bagian utama dari komputasi end-user adalah pembangunan DSS untuk dukungan personal yang dilakukan oleh individu. • • • • • • • • • • • • Pengembangan DSS berbasis user bisa juga berkualitas rendah. termasuk perencanaan. dan symbiotic adalah konfigurasi yang berbeda dari intelligent DSS. • • DSS dapat dibangun oleh tim maupun individu. active. DSS yang dapat berevolusi sendiri. Terdapat banyak sekali tool dan generator di pasaran.

PT.ST Page 49 .. Suryadi. Variabel utama riset independen DSS adalah kualitas keputusan yang dibuat Daftar Pustaka • • • Turban. United States of America. lingkungan. Efraim. Sistem Pendukung Keputusan. 1995. Prentice-Hall. Sistem Pendukung Keputusan – Gunandjar. Remaja Rosdakarya. Bandung. Decision Support and Expert Systems: Management Support Systems. Daihani. PT Elex Media Komputindo. task.teknik yang sudah dikenal lainnya untuk mendukung peneluran ide. K. 1998. dan kemampuan DSS. 2001. Komputerisasi Pengambilan Keputusan. D. Fourth Edition. Jakarta. Inc. dan M.Ali Ramdhani. C.Umar. • • Variabel utama riset independen DSS adalah perilaku user.